معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A simple cache context manager for Data Scientists.

ویژگی	مقدار
سیستم عامل	-
نام فایل	cacha-1.0.0
نام	cacha
نسخه کتابخانه	1.0.0
نگهدارنده	['Dawid Smoleń']
ایمیل نگهدارنده	['smolendawid@gmail.com']
نویسنده	Dawid Smoleń
ایمیل نویسنده	smolendawid@gmail.com
آدرس صفحه اصلی	https://python-poetry.org/
آدرس اینترنتی	https://pypi.org/project/cacha/
مجوز	Apache-2.0

## Cacha --- [![CI/CD](https://github.com/smolendawid/cacha/actions/workflows/cicd.yaml/badge.svg)](https://github.com/smolendawid/cacha/actions/workflows/cicd.yaml) [![PyPi](https://img.shields.io/pypi/v/cacha?label=PyPI&logo=pypi)](https://pypi.org/project/cacha/) [![License](https://img.shields.io/pypi/l/cacha.svg)](https://github.com/smolendawid/cacha/blob/main/LICENSE) The simplest Python cache for Data Scientist: - cache on disk, use between runs, - use at function call, not definition. ## Example If you don't want to wait for a given `compute()` function to complete each time you run the script, you can cache it: ```python import cacha result = compute(data) # regular usage, slow result = cacha.cache(compute, (data, )) # usage with cache ``` The cached data is stored in `$HOME/.cacha/`. Each time you run the function with identical input arguments, the output data will be loaded, instead of being computed. It can be easily used with popular data structures like `pandas.DataFrame` or `numpy.array`. In case of complicated python objects that can't be easily hashed, you can use an additional `key` parameter that forces saving the cache based on the `key` value. ```python import cacha result = cacha.cache(compute, (data, ), key="compute-v3") ``` ## FAQ **How is it different other caching packages?** In contrary to many other tools, _cacha_: - is used at the function call, not definition. Many packages implement the `@cache` decorator that has to be used before definition of a function that is not easy enough to use. - it stores the cache on disk which means you can use cache between runs. This is convenient in data science work. **How can I clear the cache?** Just delete the `$HOME/.cacha/` directory. You can also call `cacha.clean()` which has the same effect. **Why does it require the `pandas`, `numpy` and other libraries?** To properly cache the objects from specific packages, it is necessary to have access to the functions they provide in that regard. The main goal of cache is not to be lightweight but to provide the best developer experience. However most of the required packages are usually used in Machine Learning projects anyway.

نیازمندی

مقدار	نام
>=1.4.3,<2.0.0	pandas
>=0.9.2,<0.10.0	pickleDB
>=1.23.2,<2.0.0	numpy

زبان مورد نیاز

مقدار	نام
>=3.8,<4.0	Python

نحوه نصب

نصب پکیج whl cacha-1.0.0:

pip install cacha-1.0.0.whl

نصب پکیج tar.gz cacha-1.0.0:

pip install cacha-1.0.0.tar.gz